ニューラルネットワークトモグラフィの初期学習の改良と少数方向像再構成への適用

カテゴリ: 研究会(論文単位)

論文No: IIS15062

グループ名: 【D】産業応用部門 次世代産業システム研究会

発行日: 2015/08/17

タイトル(英語): Improvement of Initial Learning of Neural Network Tomography and Its Application of Image Reconstruction for Few View Tomography Condition

著者名: 寺西 大(広島工業大学)

著者名(英語): Masaru Teranishi(Hiroshima Institute of Technology)

キーワード: トモグラフィ|ニューラルネットワーク|逆問題|画像再構成|関数近似|Tomography|Neural networks|Inverse problem|Image reconstruction|Function approximation

要約(日本語): ニューラルネットワークの関数近似応用であるニューラルネットワーク選点法は、対称少数方向投影データからのトモグラフィ像再構成に有効であるが、プラズマ計測などの極端に制限された非対称投影方向では、像再構成能力が著しく低下する。 本報告では、ニューラルネットワーク選点法における学習の初期段階に逆投影型の再構成像を直接学習することで、像再構成性能の改善をはかる。

要約(英語): We propose a improvement of the neural network tomography for asymmetrical few view projection. The neural network collocation method (NNCM) is effective for symmetrical few view tomography. However, NNCM often fails to reconstruct appropriate images for asymmetrical few view. We improve NNCM by introducing back projected type images in the initial learning.The numerical simulation with an assumed image shows the effectiveness of the proposed method.

原稿種別: 日本語

PDFファイルサイズ: 1,277 Kバイト